We document the development of the first version of the U.K. Earth System Model UKESM1. The model represents a major advance on its predecessor HadGEM2-ES, with enhancements to all component models and new feedback mechanisms. These include a new core physical model with a well-resolved stratosphere; terrestrial biogeochemistry with coupled carbon and nitrogen cycles and enhanced land management; tropospheric-stratospheric chemistry allowing the holistic simulation of radiative forcing from ozone, methane, and nitrous oxide; two-moment, five-species, modal aerosol; and ocean biogeochemistry with two-way coupling to the carbon cycle and atmospheric aerosols. The complexity of coupling between the ocean, land, and atmosphere physical climate and biogeochemical cycles in UKESM1 is unprecedented for an Earth system model. We describe in detail the process by which the coupled model was developed and tuned to achieve acceptable performance in key physical and Earth system quantities and discuss the challenges involved in mitigating biases in a model with complex connections between its components. Overall, the model performs well, with a stable pre-industrial state and good agreement with observations in the latter period of its historical simulations. However, global mean surface temperature exhibits stronger-than-observed cooling from 1950 to 1970, followed by rapid warming from 1980 to 2014. Metrics from idealized simulations show a high climate sensitivity relative to previous generations of models: Equilibrium climate sensitivity is 5.4 K, transient climate response ranges from 2.68 to 2.85 K, and transient climate response to cumulative emissions is 2.49 to 2.66 K TtC−1.

A state-of-the-art climate model shows that radiative forcing due to anthropogenic and volcanic aerosols explains the variability in sea surface temperature of the North Atlantic between 1950 and 2005. Changes in North Atlantic sea surface temperatures (SSTs) have profound impacts on the climate of much of the globe. Multidecadal variability in Atlantic SST has long been thought to be governed by internal ocean dynamics, but here Booth et al. present evidence that human-generated aerosols — predominantly from fossil-fuel and biomass burning — were a prime driver of twentieth-century North Atlantic climate variability. Using a sophisticated Earth system climate model, they show that from 1860 to 2005, anthropogenic aerosol emissions strongly influenced Atlantic multidecadal SST variability and therefore the climate processes and events linked to Atlantic SSTs, such as drought and tropical cyclones. Systematic climate shifts have been linked to multidecadal variability in observed sea surface temperatures in the North Atlantic Ocean1. These links are extensive, influencing a range of climate processes such as hurricane activity2 and African Sahel3,4,5 and Amazonian5 droughts. The variability is distinct from historical global-mean temperature changes and is commonly attributed to natural ocean oscillations6,7,8,9,10. A number of studies have provided evidence that aerosols can influence long-term changes in sea surface temperatures11,12, but climate models have so far failed to reproduce these interactions6,9 and the role of aerosols in decadal variability remains unclear. Here we use a state-of-the-art Earth system climate model to show that aerosol emissions and periods of volcanic activity explain 76 per cent of the simulated multidecadal variance in detrended 1860–2005 North Atlantic sea surface temperatures. After 1950, simulated variability is within observational estimates; our estimates for 1910–1940 capture twice the warming of previous generation models but do not explain the entire observed trend. Other processes, such as ocean circulation, may also have contributed to variability in the early twentieth century. Mechanistically, we find that inclusion of aerosol–cloud microphysical effects, which were included in few previous multimodel ensembles, dominates the magnitude (80 per cent) and the spatial pattern of the total surface aerosol forcing in the North Atlantic. Our findings suggest that anthropogenic aerosol emissions influenced a range of societally important historical climate events such as peaks in hurricane activity and Sahel drought. Decadal-scale model predictions of regional Atlantic climate will probably be improved by incorporating aerosol–cloud microphysical interactions and estimates of future concentrations of aerosols, emissions of which are directly addressable by policy actions.

We quantify forcing and feedbacks across available CMIP5 coupled atmosphere‐ocean general circulation models (AOGCMs) by analysing simulations forced by an abrupt quadrupling of atmospheric carbon dioxide concentration. This is the first application of the linear forcing‐feedback regression analysis of Gregory et al. (2004) to an ensemble of AOGCMs. The range of equilibrium climate sensitivity is 2.1–4.7 K. Differences in cloud feedbacks continue to be important contributors to this range. Some models show small deviations from a linear dependence of top‐of‐atmosphere radiative fluxes on global surface temperature change. We show that this phenomenon largely arises from shortwave cloud radiative effects over the ocean and is consistent with independent estimates of forcing using fixed sea‐surface temperature methods. We suggest that future research should focus more on understanding transient climate change, including any time‐scale dependence of the forcing and/or feedback, rather than on the equilibrium response to large instantaneous forcing.

We utilize energy budget diagnostics from the Coupled Model Intercomparison Project phase 5 (CMIP5) to evaluate the models' climate forcing since preindustrial times employing an established regression technique. The climate forcing evaluated this way, termed the adjusted forcing (AF), includes a rapid adjustment term associated with cloud changes and other tropospheric and land‐surface changes. We estimate a 2010 total anthropogenic and natural AF from CMIP5 models of 1.9 ± 0.9 W m −2 (5–95% range). The projected AF of the Representative Concentration Pathway simulations are lower than their expected radiative forcing (RF) in 2095 but agree well with efficacy weighted forcings from integrated assessment models. The smaller AF, compared to RF, is likely due to cloud adjustment. Multimodel time series of temperature change and AF from 1850 to 2100 have large intermodel spreads throughout the period. The intermodel spread of temperature change is principally driven by forcing differences in the present day and climate feedback differences in 2095, although forcing differences are still important for model spread at 2095. We find no significant relationship between the equilibrium climate sensitivity (ECS) of a model and its 2003 AF, in contrast to that found in older models where higher ECS models generally had less forcing. Given the large present‐day model spread, there is no indication of any tendency by modelling groups to adjust their aerosol forcing in order to produce observed trends. Instead, some CMIP5 models have a relatively large positive forcing and overestimate the observed temperature change.

Abstract Experiments with CO2 instantaneously quadrupled and then held constant are used to show that the relationship between the global-mean net heat input to the climate system and the global-mean surface air temperature change is nonlinear in phase 5 of the Coupled Model Intercomparison Project (CMIP5) atmosphere–ocean general circulation models (AOGCMs). The nonlinearity is shown to arise from a change in strength of climate feedbacks driven by an evolving pattern of surface warming. In 23 out of the 27 AOGCMs examined, the climate feedback parameter becomes significantly (95% confidence) less negative (i.e., the effective climate sensitivity increases) as time passes. Cloud feedback parameters show the largest changes. In the AOGCM mean, approximately 60% of the change in feedback parameter comes from the tropics (30°N–30°S). An important region involved is the tropical Pacific, where the surface warming intensifies in the east after a few decades. The dependence of climate feedbacks on an evolving pattern of surface warming is confirmed using the HadGEM2 and HadCM3 atmosphere GCMs (AGCMs). With monthly evolving sea surface temperatures and sea ice prescribed from its AOGCM counterpart, each AGCM reproduces the time-varying feedbacks, but when a fixed pattern of warming is prescribed the radiative response is linear with global temperature change or nearly so. It is also demonstrated that the regression and fixed-SST methods for evaluating effective radiative forcing are in principle different, because rapid SST adjustment when CO2 is changed can produce a pattern of surface temperature change with zero global mean but nonzero change in net radiation at the top of the atmosphere (~−0.5 W m−2 in HadCM3).

Radiative forcing is a useful tool for predicting equilibrium global temperature change. However, it is not so useful for predicting global precipitation changes, as changes in precipitation strongly depend on the climate change mechanism and how it perturbs the atmospheric and surface energy budgets. Here a suite of climate model experiments and radiative transfer calculations are used to quantify and assess this dependency across a range of climate change mechanisms. It is shown that the precipitation response can be split into two parts: a fast atmospheric response that strongly correlates with the atmospheric component of radiative forcing, and a slower response to global surface temperature change that is independent of the climate change mechanism, ∼2‐3% per unit of global surface temperature change. We highlight the precipitation response to black carbon aerosol forcing as falling within this range despite having an equilibrium response that is of opposite sign to the radiative forcing and global temperature change.

Abstract. The effective radiative forcing, which includes the instantaneous forcing plus adjustments from the atmosphere and surface, has emerged as the key metric of evaluating human and natural influence on the climate. We evaluate effective radiative forcing and adjustments in 17 contemporary climate models that are participating in the Coupled Model Intercomparison Project (CMIP6) and have contributed to the Radiative Forcing Model Intercomparison Project (RFMIP). Present-day (2014) global-mean anthropogenic forcing relative to pre-industrial (1850) levels from climate models stands at 2.00 (±0.23) W m−2, comprised of 1.81 (±0.09) W m−2 from CO2, 1.08 (± 0.21) W m−2 from other well-mixed greenhouse gases, −1.01 (± 0.23) W m−2 from aerosols and −0.09 (±0.13) W m−2 from land use change. Quoted uncertainties are 1 standard deviation across model best estimates, and 90 % confidence in the reported forcings, due to internal variability, is typically within 0.1 W m−2. The majority of the remaining 0.21 W m−2 is likely to be from ozone. In most cases, the largest contributors to the spread in effective radiative forcing (ERF) is from the instantaneous radiative forcing (IRF) and from cloud responses, particularly aerosol–cloud interactions to aerosol forcing. As determined in previous studies, cancellation of tropospheric and surface adjustments means that the stratospherically adjusted radiative forcing is approximately equal to ERF for greenhouse gas forcing but not for aerosols, and consequentially, not for the anthropogenic total. The spread of aerosol forcing ranges from −0.63 to −1.37 W m−2, exhibiting a less negative mean and narrower range compared to 10 CMIP5 models. The spread in 4×CO2 forcing has also narrowed in CMIP6 compared to 13 CMIP5 models. Aerosol forcing is uncorrelated with climate sensitivity. Therefore, there is no evidence to suggest that the increasing spread in climate sensitivity in CMIP6 models, particularly related to high-sensitivity models, is a consequence of a stronger negative present-day aerosol forcing and little evidence that modelling groups are systematically tuning climate sensitivity or aerosol forcing to recreate observed historical warming.

Abstract Using five climate model simulations of the response to an abrupt quadrupling of CO2, the authors perform the first simultaneous model intercomparison of cloud feedbacks and rapid radiative adjustments with cloud masking effects removed, partitioned among changes in cloud types and gross cloud properties. Upon CO2 quadrupling, clouds exhibit a rapid reduction in fractional coverage, cloud-top pressure, and optical depth, with each contributing equally to a 1.1 W m−2 net cloud radiative adjustment, primarily from shortwave radiation. Rapid reductions in midlevel clouds and optically thick clouds are important in reducing planetary albedo in every model. As the planet warms, clouds become fewer, higher, and thicker, and global mean net cloud feedback is positive in all but one model and results primarily from increased trapping of longwave radiation. As was true for earlier models, high cloud changes are the largest contributor to intermodel spread in longwave and shortwave cloud feedbacks, but low cloud changes are the largest contributor to the mean and spread in net cloud feedback. The importance of the negative optical depth feedback relative to the amount feedback at high latitudes is even more marked than in earlier models. The authors show that the negative longwave cloud adjustment inferred in previous studies is primarily caused by a 1.3 W m−2 cloud masking of CO2 forcing. Properly accounting for cloud masking increases net cloud feedback by 0.3 W m−2 K−1, whereas accounting for rapid adjustments reduces by 0.14 W m−2 K−1 the ensemble mean net cloud feedback through a combination of smaller positive cloud amount and altitude feedbacks and larger negative optical depth feedbacks.

Abstract. The primary objective of CFMIP is to inform future assessments of cloud feedbacks through improved understanding of cloud–climate feedback mechanisms and better evaluation of cloud processes and cloud feedbacks in climate models. However, the CFMIP approach is also increasingly being used to understand other aspects of climate change, and so a second objective has now been introduced, to improve understanding of circulation, regional-scale precipitation, and non-linear changes. CFMIP is supporting ongoing model inter-comparison activities by coordinating a hierarchy of targeted experiments for CMIP6, along with a set of cloud-related output diagnostics. CFMIP contributes primarily to addressing the CMIP6 questions How does the Earth system respond to forcing? and What are the origins and consequences of systematic model biases? and supports the activities of the WCRP Grand Challenge on Clouds, Circulation and Climate Sensitivity.A compact set of Tier 1 experiments is proposed for CMIP6 to address this question: (1) what are the physical mechanisms underlying the range of cloud feedbacks and cloud adjustments predicted by climate models, and which models have the most credible cloud feedbacks? Additional Tier 2 experiments are proposed to address the following questions. (2) Are cloud feedbacks consistent for climate cooling and warming, and if not, why? (3) How do cloud-radiative effects impact the structure, the strength and the variability of the general atmospheric circulation in present and future climates? (4) How do responses in the climate system due to changes in solar forcing differ from changes due to CO2, and is the response sensitive to the sign of the forcing? (5) To what extent is regional climate change per CO2 doubling state-dependent (non-linear), and why? (6) Are climate feedbacks during the 20th century different to those acting on long-term climate change and climate sensitivity? (7) How do regional climate responses (e.g. in precipitation) and their uncertainties in coupled models arise from the combination of different aspects of CO2 forcing and sea surface warming?CFMIP also proposes a number of additional model outputs in the CMIP DECK, CMIP6 Historical and CMIP6 CFMIP experiments, including COSP simulator outputs and process diagnostics to address the following questions. How well do clouds and other relevant variables simulated by models agree with observations?What physical processes and mechanisms are important for a credible simulation of clouds, cloud feedbacks and cloud adjustments in climate models?Which models have the most credible representations of processes relevant to the simulation of clouds?How do clouds and their changes interact with other elements of the climate system?